融合改进 YOLOv7 与 UNet 的编码点定位方法

针对编码点的定位存在误检率高和精准度差的问题,提出了一种融合改进 YOLOv7 与 UNet 的圆形编码点定位方 法。第1阶段使用改进的 YOLOv7 检测编码点的位置,改进的 YOLOv7 首先将DCN-v2 可变形卷积引入 ELAN 模块,提升 特征提取能力;其次把卷积块注意力模块(CBAM) 机制嵌入骨干网络使网络更关注目标特征;然后使用Focal-EloU Loss 提高 收敛速度;最后构建 OD-Cat 模块替换 ConCat 模块以提升网络检测精度。提取出每个圆形编码点的 ROI 后,第2阶段通过 UNet 分割出编码点的中心轮廓后,使用最小二乘法拟合出编码点的中心。实验结果表明,改进后的模型比原 YOLOv7 的精 确率提高了6.33%,平均精度均值(mAP) 提升了5.76%;提出的定位方法验证了在噪声、亮度不足或曝光等复杂环境下可以 准确定位出编码点的中心椭圆轮廓,在实际工业视觉测量中具备鲁棒性。     

基于改进YOLOv4的锂电池缺陷检测方法

针对传统方法检测锂电池表面缺陷精度低、速度慢的问题,提出一种改进的YOLOv4算法。首先,在 CSPDarknet-53 骨干网络中使用空洞卷积代替传统卷积,提高了对不同尺度缺陷的检测。其次,将通道注意力机制插入到颈部网络中,自适应地选择一维卷积核的大小,降低模型的复杂度和计算量。最后,在分类和边界框回归中融合条件卷积来提高网络性能,并扩大数据集以解决由于缺陷样本太少而导致的网络训练过拟合问题。实验结果表明,改进后的YOLOv4算法可以有效检测锂电池表面缺陷并提高对于缺陷的识别和定位能力。改进算法的平均精度均值为93.46%,相较原算法提高了3.03%。     

非接触眼压计的人眼瞳孔定位算法研究

为了提高非接触眼压计自动化程度,加快人眼瞳孔定位效率,提出了一种采用基于XLD轮廓的多模板匹配算法,可实现对人眼瞳孔快速精确定位,并增加了非接触眼压计瞳孔定位检测范围,提高了自动化水平。同时对误检图像,采用了双边滤波、阈值分割和腐蚀膨胀处理,再通过设定参数得到瞳孔区域,最后使用Hough变换实现对误检图像的重新定位。实验结果表明,所提出的方法的定位成功率在99%以上,误差在5像素以内,平均定位为0.121s,能够精准、快速的得到人眼瞳孔的中心坐标,可以满足非接触眼压计对瞳孔精确定位和快速定位的要求,同时对个体瞳孔差异、姿态差异、瞳孔部分被遮挡、边缘光斑影响等干扰因素有较强的鲁棒性和泛化性。     

轻量化 CenterNet 网络的二维条码定位算法

针对复杂工业、物流运输场景中传统的二维条码定位算法效率和稳定性较低的问题,提出了一种基于轻量化的CenterNet网络的二维条码定位算法。针对实际情况中二维条码尺寸变化问题,采用CSPDarkNet53-tiny作为主干网络并对其加以修改。添加SPP模块以提高网络精度,对CenterNet的上采样以及输出模块部分进行轻量化改造,使用5×5深度可分离卷积代替普通卷积,并在训练时采用余弦退火学习率策略防止过拟合。实验结果表明,在定位准确率仅比YOLOv4-tiny降低0.64%的情况下,不仅能够避免传统算法准确率受背景影响大、鲁棒性不强等问题,而且实时推理速度可以达到124 fps,可以更好的用于低硬件配置下各种二维条码定位。     

基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测

由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络（Mask R-CNN）模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块（CBAM）,分别从通道和空间提升小目标特征保持性;其次,使用全局交并比（GIoU）计算目标间的相似度,提升定位准确性;最后,使用Tversky损失计算掩膜分支的损失,以提升不平衡样本下的检测效果。使用某输电运检中心无人机巡检作业所得具有自爆缺陷的绝缘子照片作为数据集对该模型进行验证,实验结果表明,与原始Mask R-CNN模型相比,该方法的平均精确率AP50:90、AP50和AP75分别提升至0.56、0.79和0.72;与三种经典目标检测算法相比,该算法具有较高的检测精度,模型的分割性能有一定提升,且比原始模型具有更好的鲁棒性,可以满足电力巡检中准确性和快速性的要求。     

基于语义指导和自适应卷积的遥感云检测算法

遥感卫星数据云检测分割是遥感影像处理中的重要环节,为了解决目前碎云薄云检测精度较低的问题,提出了一种采用基于高阶语义解码和自适应卷积编码的云检测方法。这种方法针对云团和碎云薄云之间的空间分布联系,提出了自适应卷积编码器来提取云团之间的关联信息。然后,使用高阶语义指导模块来解码语义特征,指导高分辨率的云掩码图生成。此外,这种方法还设计了一种动态联合损失函数,该损失函数通过动态计算样本中的漏检误检像素来构建权重,以引导神经网络关注碎云薄云特征,从而提高整体精度。实验结果表明,提出的算法在遥感图像上云分割能力可以达到96.5%的精确度和88.1%的交并比,可以很好地检测碎云薄云。     

基于改进文本检测识别的绝缘子串异常定位和判别方法

绝缘子串的长宽比和倾斜角度变化大,使用通用目标检测算法时,检测和识别效果不佳.为此,借鉴文本检测思想提出新的绝缘子串异常定位和判别算法.检测部分,改进了基于语义的任意方向场景文字检测器算法进行绝缘子串检测;异常定位部分,提出了针对绝缘子串的序列状态编码方法以及基于模板匹配的数据增广方式;再使用卷积循环神经网络(convolutional recurrent neural network,CRNN)和连接主义时间分类(connectionist tem-poral classification,CTC)方法提取绝缘子的纹理和序列特征,用编码的序列状态作为标签进行有监督训练.结果 表明,所提算法的检测精度和识别精确率均超过了实验中的通用目标检测方法,精确度提升了4.1％.该方法可为各类条状物的异常定位和识别提供新思路.     

基于增量式光电编码盘的永磁同步电机转子位置初始定位

在简述矢量控制原理的基础上，通过分析现有转子位置检测手段的不足，提出使用增量式光电编码盘实施永磁同步转子位置检测及转子位置的初始定位方法。该试验系统使用转子位置初始定位方法。试验结果表明，该方法可以满足实际使用要求。     

改进HED网络在轴承自动测量中的应用研究

针对在工业环境中传统接触式测量轴承尺寸操作复杂且检测成本高的问题,提出一种新的加入注意力机制和结合Canny算法的改进型HED网络边缘检测算法。该方法基于HED网络,将主干网络第4、5个阶段的卷积层替换成连续空洞卷积,并设置网络的第3、4层池化步长为1,增大模型的感受野,提高输出的边缘图像精度;加入高效通道注意力机制ECA模块,有效抑制无关纹理特征和非边缘像素等影响;使用Canny算法中的非极大值抑制和双阈值处理算法,对检测的粗边缘进行细化,得到更加精确的轴承边缘;使用最小二乘圆拟合算法,获取轴承的内外环尺寸参数。实验结果表明,改进后的HED网络在ODS和OIS指标上分别达到了0.811和0.835,该方法可以有效实现轴承边缘检测并保证轴承尺寸测量精度。     

加强空间信息引导的道路场景实时语义分割

针对实际道路场景不同类别位置和轮廓等细节部分相差较大,导致细节信息的丢失和小目标分割不准确等问题,提出一种加强空间信息引导的实时语义分割网络。该网络首先采用微调的轻量级分类卷积编码器,提取图像中不同层次的高级语义信息和浅层空间信息;其次,设计空间细节引导融合模块为编码器的深层与浅层的特征映射提供指导,使得融合过程中更加信任细节轮廓信息,增强空间感知能力,并抑制背景噪声影响;最后通过损失函数辅助监督训练和数据相关型上采样加强训练阶段的特征表示,进一步优化深度卷积网络,以弥补大幅度上采样造成的信息损失。在CamVid和Cityscapes数据集上进行实验验证,其分割精度分别为73.7%和75.3%,推理速度分别为158.0和126.5 fps。与其他实时语义分割算法相比,算法能更好地平衡精确度和实时性,在实际应用场景中也具有更好的鲁棒性。     

基于圆形滑动窗口的瞳孔定位算法

瞳孔定位是眼动识别中的一个关键步骤.针对目前瞳孔定位算法存在精度低、耗时高、人脸偏转时的定位误差较大等问题,提出了一种通过创建滑动窗口来精确定位瞳孔中心的算法.首先利用CLM模型提取人脸的眼部区域,对提取后的图片进行预处理,然后通过创建圆形滑动窗口对图片进行扫描并计算每个窗口内灰度值的和,利用人眼瞳孔的灰度值相对较低这...     

基于MAX-Log-MAP算法和DSP芯片的Turbo译码器

Turbo码又称为并行级联卷积码,其重要的特性就是实现了伪随机编码的思想,但要实现译码低误码率却要以降低整个编译码系统的效率和增加延时为代价。因此,本文通过分析Turbo码迭代译码原理和MAX-Log-MAP算法,根据性能要求和可行性考虑,以DSP芯片ADSP-TS101和MAX-Log-MAP译码算法来实现Turbo译码器的设计,实验结果表明,该系统误码率较低、延时性能符合要求,工作稳定。     

基于亮瞳效应的连续AdaBoost人眼检测

主动红外下的人眼检测结合了亮瞳效应,能够大大提高人眼的检测速度。连续AdaBoost算法借助于积分图和级联结构,具有很快的运算速度,而且它具有检测率高和鲁棒性好的特点。结合了亮瞳效应的连续AdaBoost人眼检测,使得检测系统能够满足实时的应用场合。同时,论文中采用的“人脸-人眼”两层结构有效降低了人眼检测的误检率,提高了检测的精度。实验结果表明,对于640×480分辨率的连续视频,系统的人眼检测平均时间小于16ms每帧,检测正确率较高。     

Research on Fall Detection Based on Improved Human Posture Estimation Algorithm

According to recent research statistics, approximately 30% of people who experienced falls are over the age of 65. Therefore, it is meaningful research to detect it in time and take appropriate measures when falling behavior occurs. In this paper, a fall detection model based on improved human posture estimation algorithm is proposed. The improved human posture estimation algorithm is implemented on the basis of Openpose. An improved strategy based on depthwise separable convolution combined with HDC structure is proposed. The depthwise separable convolution is used to replace the convolution neural network structure, which makes the network lightweight and reduces the re-dundant layer in the network. At the same time, in order to ensure that the image features are not lost and ensure the accuracy of detecting human joint points, HDC structure is introduced. Experiments show that the improved algorithm with HDC structure has higher accuracy in joint point detection. Then, human posture estimation is applied to fall detection research, and fall event modeling is carried out through fall feature extraction. The designed convolution neural network model is used to classify and distinguish falls. The experimental results show that our method achieves 98.53%, 97.71% and 97.20% accuracy on three public fall detection data sets. Compared with the experimental results of other methods on the same data set, the model designed in this paper has a certain improvement in system accuracy. The sensitivity is also improved, which will reduce the error detection probability of the system. In addition, this paper also verifies the real-time performance of the model. Even if researchers are experimenting with low-level hardware, it can ensure a certain detection speed without too much delay.     

基于图像匹配的电路板故障检测与定位算法

自动光学检查是利用图像处理算法进行电路板故障检测与定位的技术,它可以解决传统电路板测试无法克服的缺陷.图像相减是自动光学检查中最简单和最直接的办法,但具有一定的局限性,这是由于二值化预处理造成的.本文提出一种基于图像匹配的加载电路板故障检测与定位算法,无需进行二值化预处理操作,利用图像差的绝对值、平方以及相关操作,检测与定位元件的倒装与漏装故障,并具有与图像相减类似的简易性,实验证实了该算法的性能.     

基于深度可分离卷积的轻量级YOLOv3输电线路鸟巢检测方法

针对输电线路无人机巡检图像鸟巢检测现有方法实时性差及小目标检测能力较弱的问题,提出一种基于深度可分离卷积的轻量级YOLOv3输电线路鸟巢检测方法。首先,使用Mosaic数据增强方法增强数据集并变相提升训练集中小目标的数量;然后,在主干特征提取网络使用深度可分离卷积代替部分标准卷积,提高检测网络的速度,并降低网络参数量从而降低权重文件内存,再使用PANet代替FPN,进一步提升特征融合的能力,增强对小目标的检测能力;最后,使用标签平滑进行训练,解决由于极少量标签错误导致的网络过度自信问题和网络过拟合问题。将某供电局无人机巡检视频剪切成图像制作数据集,使用本文算法与原始YOLOv3算法进行比较,并做消融实验。实验结果表明,本文的算法逐步提升了模型的速度和精度。     

基于图像特征的快速瞳孔提取算法

针对眼底照相机拍摄的瞳孔图像特征及主要干扰因素,提出一种结合下采样、固定阈值、连通域及扫描线等方法的快速瞳孔提取算法。算法首先根据图像的大小完成下采样,结合提取模板去除边框的影响,在此基础上,针对瞳孔图像的灰度特点,采用固定阈值及8连通域完成瞳孔的初步提取,并采用扫描线法实现瞳孔区域的修正。仿真实验证明,针对不同的瞳孔图像,本算法均准确地提取出瞳孔区域,与现有算法相比,本算法具有更快的运算速度。     

多分支融合注意力机制的车道线检测模型

为了解决目前车道线检测过程中特征融合不充分、检测精确度低和鲁棒性差的问题, 本文提出一种融合多分支结构和 注意力机制的车道线检测模型 (fusion of multi-branch structure and attention mechanism network,FMANet), 图像编码部分采用多 分支结构和注意力机制, 并选择 swish 作为激活函数, 图像解码部分采用跳跃连接结构, 实现跨层特征融合。 本文利用 TuSimple 公开数据集对 FMANet 模型进行评估与验证, 实验结果表明, 本文所提的 FMANet 模型的 mAP 指标接近 97. 25%, 车 道线检测精确度达到 98. 15%, 此外,通过 CULane 数据集验证 FMANet 模型在不同场景下的检测具有更好的鲁棒性。